La Imagen Digital - Universidad Nacional del Surcs.uns.edu.ar/cg/clasespdf/1.3-ImagenDigital.pdf ·...
Transcript of La Imagen Digital - Universidad Nacional del Surcs.uns.edu.ar/cg/clasespdf/1.3-ImagenDigital.pdf ·...
Computación Gráfica Silvia Castro 1
La Imagen Digital
VyGLab – Lab. de Investigación y Desarrollo en Visualización y Computación Gráfica
Dpto. de Ciencias e Ingeniería de la ComputaciónUniversidad Nacional del Sur
S. Castro , N. Gazcón CG 2015
ACM SIGGRAPH
2D 3D
La Imagen Digital
S. Castro , N. Gazcón CG 2015
¿Qué es una Imagen?
La Imagen Digital
Idealmente, podemos pensar una imagen como una función bidimensional deintensidad f(x,y), donde x e y son coordenadas espaciales y f en (x,y) estárelacionada con el brillo o el color de la imagen en ese punto.
En la práctica, la mayoría de las imágenes están definidas sobre un rectángulo.
Son continuas en amplitud (de tono continuo)
Son continuas en el espacio (no se habla de pixels)
S. Castro , N. Gazcón CG 2015
¿Qué es una Imagen Digital?
La Imagen Digital
Una imagen digital es la representación de una imagen continua f(x,y)mediante un arreglo 2D de muestras discretas. La amplitud de cada muestrase debe cuantizar para representarse mediante un número finito de bits.
Cada elemento del arreglo 2D de muestras se denomina pixel o pel (depicture element).
Los pixels son muestras de puntos.
Un pixel no es:
• Redondo, cuadrado o rectangular
• Un elemento de display
• Una pequeña luz
La Imagen Digital
ValorI(p)=I(r,c)
Ubicaciónp=(r,c)
Fila
r
Columna c
r
c
Ubicación del pixel: p = (x, y)
Valor del pixel: I(p) = I(x , y)
Pixel: [p, I(p)]
Pixels
S. Castro , N. Gazcón CG 2015 S. Castro , N. Gazcón CG 2015
Pixel: [p, I(p)]
61
43
12
)(
azul
verde
rojo
pI
)#,(#, columnafilayxp 55)( oValorBrillpI
La Imagen Digital
Pixels
Fila
x
Columna y
x
y
Ubicaciónp=(x,y)
ValorI(p)=I(x,y)
Computación Gráfica Silvia Castro 2
Digitalización de la Imagen
Muestreo y cuantización
Hay muchas maneras de generar imágenes digitales: a partir de datossensados, mediante la generación de escenas 3D que se sintetizan en lamisma, etc.
La salida de la mayoría de los sensores es una señal continua (voltaje) cuyaamplitud y ubicación espacial están relacionadas con el fenómeno sensado;las escenas 3D pueden ser composiciones de modelos de objetosrepresentados como continuos o discretos.
Para crear una imagen digital, necesitamos convertir los datos continuos deentrada a una forma digital. Esto involucra dos procesos: muestreo ycuantización.
S. Castro , N. Gazcón CG 2015
Muestreo y cuantización
S. Castro , N. Gazcón CG 2015 S. Castro , N. Gazcón CG 2015
En Computación Gráfica, usualmente creamos y manipulamosimágenes discretas.
A partir de una imagen continua:
– Se muestrea el espacio sobre una grilla regular
– Se cuantiza cada muestra (redondeándola, por ejemplo, alentero más cercano).
Si las muestras se toman a una distancia d una de otra, podemosdecir que:
I(x,y) = Cuantizar(f(xd,yd))
Muestreo y cuantización
Muestreo y Cuantización
),( crIS ,CI
Imagen continua Imagen muestreada
MuestreoTomar el promedio dentro decada cuadrado
S. Castro , N. Gazcón CG 2015
Muestreo y Cuantización
),( crIS ,CI
CuantizaciónTomar el promedio dentro decada cuadrado
Imagen continua Imagen muestreada
S. Castro , N. Gazcón CG 2015
Computación Gráfica Silvia Castro 3
Muestreo y Cuantización
),( crIS ,CI
Imagen continua Imagen muestreada
CuantizaciónTomar el promedio dentro decada cuadrado
S. Castro , N. Gazcón CG 2015
Muestreo y Cuantización
Entrada continua de color
Sa
lida
disc
reta
de
colo
r
Colores continuos mapeados a un conjunto de
colores finito y discreto
Cuantización
S. Castro , N. Gazcón CG 2015
S. Castro , N. Gazcón CG 2015
Grilla de Pixels
MuestreadaImagen real Cuantizada Muestreada y Cuantizada
Muestreo y cuantización
S. Castro , N. Gazcón CG 2015
Problemas enel Muestreo
Muestras de scan
Muestreo y cuantización
Muestreo y cuantización
Problemas con la adquisición de la imagen
Supongamos que la imagen que queremos adquirir con una cámara corresponde a las líneas oblicuas que se muestran en la figura.
Los sensores de la cámara son los que muestrean dicha imagen. Vemos un posible muestreo en la figura.
S. Castro , N. Gazcón CG 2015
Muestreo y cuantización
Problemas con la adquisición de la imagen
Supongamos que contamos con la misma cámara pero la frecuencia de las líneas oblicuas aumenta.
S. Castro , N. Gazcón CG 2015
Computación Gráfica Silvia Castro 4
Muestreo y cuantización
Para señales unidimensionales
S. Castro , N. Gazcón CG 2015
Muestreo y cuantización
Cuando la frecuencia de muestreo es menor o igual que la frecuencia de Nyquist, condición definida como submuestreo, es imposible reconstruir la señal original de acuerdo al teorema del muestreo.
Vemos que la señal reconstruida a partir de datos muestreados a la frecuencia de Nyquist está muy lejos de la señal original.
S. Castro , N. Gazcón CG 2015
Muestreo y cuantización
Teorema del muestreo
Establece que para una frecuencia de banda limitada con máxima frecuencia fmax la frecuencia de muestreo igualmente espaciada fm debe ser mayor que el doble de la frecuencia máxima fmax, es decir que debe verificarse que
fm > 2· fmax
para lograr una señal reconstruida sin aliasing.
La frecuencia 2· fmax se denomina frecuencia de muestreo de Nyquist. A la mitad de este valor, es decir a fmax se la denomina algunas veces, frecuencia de Nyquist.
S. Castro , N. Gazcón CG 2015
Muestreo y cuantización
Teorema del muestreoEl teorema del muestreo está formulado para funciones de una sola variable.
Consecuentemente, el teorema se aplica directamente a señalesdependientes del tiempo y está formalmente formulada en ese contexto.
S. Castro , N. Gazcón CG 2015
Similar a las señales uni-dimensionalesdiscretas, las imágenes pueden tambiénsufrir de aliasing si la resolución demuestreo, o densidad de pixel, esinadecuada.
Ejemplos de aliasing
S. Castro , N. Gazcón CG 2015
Muestreo y cuantización
Ejemplos de aliasing
S. Castro , N. Gazcón CG 2015
Muestreo y cuantización
Computación Gráfica Silvia Castro 5
Representación de la Imagen Digital
Representación de la Imagen Digital
El resultado del muestreo y la cuantización es una imagendigital.
S. Castro , N. Gazcón CG 2015
S. Castro , N. Gazcón CG 2015
Ejemplo
Representación de la Imagen Digital
Pixel = “picture element”Representa brillo en un punto
Representación de la Imagen Digital
El proceso de digitalización requiere decisiones acerca de los valoresde M, N y de L colores discretos permitidos para cada pixel.
Los únicos requerimientos para M y N es que sean enteros positivos.Sin embargo, el valor de L debe ser una potencia de 2.
Asumimos que los niveles discretos son igualmente espaciados y queson enteros en el intervalo [0, L-1].
Al rango de valores que abarca una escala de grises se lo denominarango dinámico de la imagen y, a las imágenes cuyos niveles degrises abarcan una porción significativa de esta escala se les diceque tienen un alto rango dinámico.
S. Castro , N. Gazcón CG 2015
Representación de la Imagen Digital
La calidad de la imagen está directamente relacionada con:
- La resolución espacial de la imagen
- El rango de los valores de brillo o de cada uno de losprimarios de color (profundidad del pixel), quecorresponde a la resolución de brillo o resolución decolor respectivamente
Estos aspectos se conocen como resolución de la imagen.
S. Castro , N. Gazcón CG 2015
Representación de la Imagen Digital
Además, la frecuencia espacial puede explicar cuán finamentepodemos muestrear una imagen. Todas las imágenes tienendetalles finos y gruesos y estos representan cambios de brilloque ciclan de oscuro a claro y vuelta a oscuro. Esta tasa devariación del brillo es la frecuencia espacial.
S. Castro , N. Gazcón CG 2015
Computación Gráfica Silvia Castro 6
Representación de la Imagen Digital
La resolución espacial
Resolución reducida a 1/16 16 pixels x 16 líneas
Resolución reducida a 1/8 32 pixels x 32 líneas
Imagen con resolución espacialde 256 pixels x 256 líneas
Resolución reducida a 1/2 128 pixels x 128 líneas
Resolución reducida a 1/4 64 pixels x 64 líneas
S. Castro , N. Gazcón CG 2015 S. Castro , N. Gazcón CG 2015
Resolución de brillo de la Imagen
4 niveles de grises 2 niveles de grises
32 niveles de grises 16 niveles de grises 8 niveles de grises
256 niveles de grises 128 niveles de grises 64 niveles de grises
Representación de la Imagen Digital
S. Castro , N. Gazcón CG 2015
Resolución de Color de la Imagen
Colores de 4 bits Colores de 8 bits Colores de 24 bits
Representación de la Imagen Digital
S. Castro , N. Gazcón CG 2015
En general, hablaremos en forma unificada de resolución de brillo y resolución
de color y éste es el concepto de:
Profundidad de un pixel se refiere a la cantidad de bits necesarios para
representar un pixel.
Un pixel de 8-bits puedevariar en el rango de 256tonos de gris.
Imágenes de 1-bit son blancas y negras (por ej., line art). Las de pixels de
2-bits contienen cuatro variantes para cada pixel (00 01 10 11) y permitenuna variación de color de blanco a gris claro a gris oscuro y a negro.
Representación de la Imagen Digital
S. Castro , N. Gazcón CG 2015
Las imágenes de 24 bits tienen 3 canales de 8 bits, uno para cada uno de
los primarios.
Las imágenes de 32 bits tienen 4 canales
de 8 bits; 3 de ellos corresponden a cada
uno de los primarios y el cuarto es el canal
α (alfa) o canal de transparencia.
La cantidad de bits de una imagen se calcula entonces como:
b = (cant. pixels a lo alto x cant. pixels a lo ancho ) x (prof. de c/pixel) = M*N*k
Representación de la Imagen Digital
S. Castro , N. Gazcón CG 2015
Cada pixel tiene asociado su color.
Blanco o negro Valor que correponde al
brillo (entre 0 y 1).
Representación de la Imagen Digital
Computación Gráfica Silvia Castro 7
S. Castro , N. Gazcón CG 2015
El color también puede estar dado en cada pixel como:
Indice en una tabla de Color Tres valores que corresponden a
Rojo, Verde y Azul (color verdadero)
Representación de la Imagen Digital
S. Castro , N. Gazcón CG 2015
La información de los pixels de una imagen almacenada eneste arreglo rectangular, se traslada a la pantalla o a laimpresora en una serie de líneas horizontales denominadasrasters. De aquí el nombre de gráficos rasterizados.
Representación de la Imagen Digital
S. Castro , N. Gazcón CG 2015
Es confuso que las imágenes de la impresora y del displaytambién sean descriptas en términos de pixels. En general,no hay una correspondencia uno a uno entre los pixels deuna imagen y los de una impresora o de la pantalla.
En la memoria, una imagen se representa mediante unarreglo de bits y cada elemento del mismo se denominapixel.
Representación de la Imagen Digital
S. Castro , N. Gazcón CG 2015
Un pixel en la pantalla es lamenor área que una combinaciónparticular de software y dehardware pueden iluminar. Estaárea está usualmente compuestade varios grupos de fósforo R, G yB y hay entre 72 y 87 pixels depantalla por pulgada lineal.
Representación de la Imagen Digital
S. Castro , N. Gazcón CG 2015
En las impresoras, un pixel deuna imagen puederepresentarse por un solo pixelde impresora (punto o dot)pero impresoras diferentesproducen puntos ligeramentediferentes y una cantidaddiferente de puntos porpulgada.
Representación de la Imagen Digital
S. Castro , N. Gazcón CG 2015
La Imagen Digital
Computación Gráfica Silvia Castro 8
Modelos de Color
S. Castro , N. Gazcón CG 2015 S. Castro , N. Gazcón CG 2015
Descripción del Color
Podemos describir un color como la superposición de tres colores primariosmediante la siguiente ecuación:
C rR + gG + bB
donde C es el color a representar y R, G, y B son las fuentes primariasusadas para generar C.
Si los primarios rojo, verde y azul, corresponden a los colores de fósforo de unmonitor, este espacio define el gamut del monitor.
En general, un gamut es el conjunto de todos los colores que puedenproducirse por un dispositivo o sensarse por un sistema receptor.
S. Castro , N. Gazcón CG 2015
El propósito de los sistemas de color es especificar los colores enalgún gamut.
El gamut es un subconjunto de todas las crominancias visibles;entonces, el modelo no contiene todos los colores visibles.
Un subconjunto de un sistema de coordenadas 3D de colorcontiene todos los colores dentro del gamut.
• Modelo de color: RGB– Sistema de coordenadas cartesianas 3D– subconjunto cubo unitario
Se pueden realizar conversiones entre los distintos sistemas decolor.
Sistemas de Color
S. Castro , N. Gazcón CG 2015
Sistemas de Color
El sistema de color RGB utiliza combinaciones de rojo, verde y azulpara formar todos los colores deseados.
• Otros usan cromaticidad, saturación y brillo o vividez.
• En las impresoras utilizamos cyan, magenta, amarillo y negro.
Estos son 3 ejemplos de modelos de color; cada uno de ellos presentadistintas elecciones de descriptores usados para formar colores.
Si se pueden cuantificar los 3 descriptores, se puede describir un colorpor medio de una 3-upla de valores, tal como (r,g,b)=(.9, .1, .1).
Las diferentes opciones dan lugar a la definición de diferentes espaciosde color; así también surge la necesidad de convertir descripciones decolor de un espacio al otro.
S. Castro , N. Gazcón CG 2015
Sistema RGB
El modelo de color RGB describe colores como combinaciones positivas de losprimarios rojo, verde y azul. Si los escalares r, g, y b se confinan a valores entre0 y 1, todos los colores están dentro del cubo.
Sistema de color RGB
S. Castro , N. Gazcón CG 2015
Colores Aditivos
Primarios
• Rojo• Verde• Azul
Combinan luces roja, verde y azul
Sistema de color RGB
Computación Gráfica Silvia Castro 9
S. Castro , N. Gazcón CG 2015
Ejemplo:Descomposición de la imagen en los canales RGB
Rojo (R) Verde (G) Azul (B)
Sistema de color RGB
S. Castro , N. Gazcón CG 2015
Sistema CMY
Sistema de color CMY
Un sistema de color sustractivo expresa un color, por medio de una 3-upla, enla que cada uno de los tres valores especifica cuánto de un cierto color deberemoverse del blanco para producir el color deseado (el complemento delprimario correspondiente).El sistema de color sustractivo más conocido es el CMY cuyos primarios soncyan, magenta y amarillo
S. Castro , N. Gazcón CG 2015
Colores Sustractivos Filtran la luz blanca para modular rojo, verde y azul
Primarios
• Cyan• Magenta• Amarillo
Sistema de color CMY
S. Castro , N. Gazcón CG 2015
Filtros Ideales– Líneas sólidas– Filtros Bloque
Filtros Reales– Impurezas
Resultados – No Linealidad– Colores más oscuros
Sistema de color CMY
Colores Sustractivos
S. Castro , N. Gazcón CG 2015
Sistema HLS– Hue – Lo que se piensa que es
el color
– Luminancia – claro/oscuro, el rango es del negro<-->blanco
– Saturación - intensidad, el rango es del hue <-->gris
blanco
negro
valor
Saturación
Colores nombrados
Sistema de color HLS
S. Castro , N. Gazcón CG 2015
Ejemplo:Descomposición de la imagen en los canales HLS
Hue Saturación Brillo
Sistema de color HLS
Computación Gráfica Silvia Castro 10
S. Castro , N. Gazcón CG 2015
Una imagen color y las distintascomponentes en dos espacios de color
Hue Intensidad Saturación
R G B
Ejemplo
S. Castro , N. Gazcón CG 2015
Una imagen color y las distintas componentes en tres espacios decolor
Ejemplo
S. Castro , N. Gazcón CG 2015
Bibliografía
• Angel, E., Shreiner, D. Interactive Computer Graphics: A top-down approach withshader-based OpenGL, Addison Wesley, 6th. Ed., 2011.
• Foley, J., van Dam, A., Feiner, S. y Hughes, J., Computer Graphics. Principlesand Practice, Addison Wesley, 1992, 2nd Edition. (Aliasing)
• Hearn, D., Baker, M.P., Computer Graphics, C Version, Prentice Hall Inc., 2003,3rd Edition.
• Hill, F. Jr, Kelley, S., Computer Graphics Using OpenGL, Prentice Hall, 3rd Ed.,2006.
• Watt, A., Watt, M., Advanced Animation and Rendering Techniques: Theory andPractice, Addison-Wesley Publishing Company, 1993.